1.一种日前发电备用容量配置方法，其特征在于，包括：建立预先获取的未来N个时段的负荷预测值的场景属性；其中，N为正整数；根据未来第i时段的所述负荷预测值的场景属性，获取包含多个时段负荷历史样本的历史样本集合；其中，0<i≤N；基于模糊聚类分析从所述历史样本集合中筛选出与未来第i时段的所述负荷预测值场景相似的所有负荷历史样本，构成第i个第一历史样本集合；通过第i个所述第一历史样本集合中每一所述负荷历史样本的负荷实际值和负荷预测值，得到第i个所述第一历史样本集合中每一所述负荷历史样本的负荷预测误差；通过第i个所述第一历史样本集合中每一所述负荷历史样本的负荷预测误差和核密度估计，得到未来第i时段的负荷预测误差的概率密度函数；通过未来第i时段的所述负荷预测误差的概率密度函数、未来第i时段的所述负荷预测值、预设的第一置信水平和预设的第二置信水平，得到该时段的日前发电备用容量，具体为：根据未来第i时段的所述负荷预测误差的概率密度函数、预设的第一置信水平和预设的第二置信水平，得到未来第i时段的所述概率密度函数的第一分位点和第二分位点；通过未来第i时段对应的所述第一分位点、所述第二分位点和所述负荷预测值，得到该时段的负荷不确定量；根据未来第i时段的所述负荷不确定量的绝对值，得到该时段的日前发电备用容量。
2.如权利要求1所述的日前发电备用容量配置方法，其特征在于，所述场景属性，包括：温度属性、天气属性、时段属性和日子类型属性。
3.如权利要求2所述的日前发电备用容量配置方法，其特征在于，所述基于模糊聚类分析从所述历史样本集合中筛选出与未来第i时段的所述负荷预测值场景相似的所有负荷历史样本，构成第i个第一历史样本集合，具体为：基于模糊聚类分析构建所述场景属性的相似程度隶属度函数；根据所述场景属性的相似程度隶属度函数、未来第i时段的所述负荷预测值的所述场景属性和所述历史样本集合中每个时段所述负荷历史样本的所述场景属性，得到未来第i时段的所述负荷预测值与所述历史样本集合中每个时段所述负荷历史样本的场景相似度；根据未来第i时段的所述负荷预测值与所述历史样本集合中每个时段所述负荷历史样本的场景相似度，将与未来第i时段的所述负荷预测值的所述场景相似度大于或等于预设阈值的所有所述负荷历史样本筛选出来，构成第i个第一历史样本集合。
4.如权利要求3所述的日前发电备用容量配置方法，其特征在于，所述基于模糊聚类分析构建所述场景属性的相似程度隶属度函数，具体为：基于模糊聚类分析构建所述温度属性的相似程度隶属函数；基于模糊聚类分析构建所述天气属性的相似程度隶属函数；基于模糊聚类分析构建所述时段属性的相似程度隶属函数；基于模糊聚类分析构建所述日子类型属性的相似程度隶属函数。
5.如权利要求4所述的日前发电备用容量配置方法，其特征在于，所述温度属性的相似程度隶属函数δ T ，具体为：其中，T j 为第一历史样本集合的第j时段负荷历史样本的温度属性，T i 为未来第i时段的负荷预测值的温度属性，ΔT为温度差值，ΔT max 为第一温度差值，ΔT min 为第二温度差值，T a 为第一温度阈值，T b 为第二温度阈值，ΔT max >T b >T a >ΔT min 。
6.如权利要求4所述的日前发电备用容量配置方法，其特征在于，所述天气属性的相似程度隶属函数δ W 和所述日子类型属性的相似程度隶属函数δ D 均为[0，1]的离散函数。
7.如权利要求4所述的日前发电备用容量配置方法，其特征在于，所述时段属性的相似程度隶属函数δ H ，具体为：其中，H j 为第一历史样本集合的第j时段负荷历史样本的时段属性，H i 为未来第i时段的负荷预测值的时段属性，ΔH为时段差值，ΔH max 为第一时段差值，ΔH min 为第二时段差值，H a 第一时段阈值，H b 为第二时段阈值，ΔH max >H b >H a >ΔH min ，N为预设未来时长内时段的总个数。
8.一种日前发电备用容量配置装置，其特征在于，包括：场景建立模块，用于建立预先获取的未来N个时段的负荷预测值的场景属性；其中，N为正整数；数据接收模块，用于根据未来第i时段的所述负荷预测值的场景属性，获取包含多个时段负荷历史样本的历史样本集合；其中，0<i≤N；样本筛选模块，用于基于模糊聚类分析从所述历史样本集合中筛选出与未来第i时段的所述负荷预测值场景相似的所有负荷历史样本，构成第i个第一历史样本集合；数据处理模块，用于通过第i个所述第一历史样本集合中每一所述负荷历史样本的负荷实际值和负荷预测值，得到第i个所述第一历史样本集合中每一所述负荷历史样本的负荷预测误差；还用于通过第i个所述第一历史样本集合中每一所述负荷历史样本的负荷预测误差和核密度估计，得到未来第i时段的负荷预测误差的概率密度函数；数据修正模块，用于通过未来第i时段的所述负荷预测误差的概率密度函数、未来第i时段的所述负荷预测值、预设的第一置信水平和预设的第二置信水平，得到该时段的日前发电备用容量；所述数据修正模块，具体用于根据未来第i时段的所述负荷预测误差的概率密度函数、预设的第一置信水平和预设的第二置信水平，得到未来第i时段的所述概率密度函数的第一分位点和第二分位点；通过未来第i时段对应的所述第一分位点、所述第二分位点和所述负荷预测值，得到该时段的负荷不确定量；根据未来第i时段的所述负荷不确定量的绝对值，得到该时段的日前发电备用容量。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的日前发电备用容量配置方法。
10.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的日前发电备用容量配置方法。
